15-06-2022

Le machine learning pour prédire le risque d'effondrement des cours

Les techniques de machine learning peuvent aider à déceler les relations non linéaires entre plusieurs variables et ainsi prédire le risque d'effondrement des actions. En évitant les sociétés affichant un risque de détresse élevé, les performances des stratégies actions quantitatives peuvent donc être améliorées.

Télécharger la publication

    Auteurs

  • Laurens Swinkels - Head of Quant Strategy

    Laurens Swinkels

    Head of Quant Strategy

  • Tobias Hoogteijling - Researcher

    Tobias Hoogteijling

    Researcher

Les grands progrès réalisés en matière de big data et de machine learning (ML) repoussent les limites de l'investissement quantitatif. Ces avancées sont facilitées par l'amélioration de la puissance de calcul, qui permet de déployer et d'utiliser des modèles de ML . Contrairement aux modèles basés sur des règles, le machine learning repose entièrement sur les données, et il est capable de modéliser des relations non linéaires complexes. Il peut détecter des schémas systématiques et répétitifs que les simples modèles linéaires ne captent pas.

Ainsi, éviter d'investir dans les sociétés qui connaissent des difficultés financières peut améliorer les performances des stratégies actions quantitatives. Cela dit, repérer les firmes les plus susceptibles de se retrouver en détresse est loin d'être simple. De nombreux critères peuvent aider à prédire ce genre de situation, mais la façon la plus efficace de le faire est peut-être de manière non linéaire ou dans des combinaisons spécifiques. Les techniques de ML sont justement conçues pour surmonter ces difficultés.

Notre livre blanc examine en profondeur la façon dont les techniques de ML peuvent être utilisées pour prédire l'effondrement du cours d'une action.

Télécharger la publication